MétaCan
Menu
Retour à la cohorte
Enregistrement W4205164122 · doi:10.26911/thejhpb.2021.06.03.01

Meta-Analysis: The Effect of Screen Time and Fast-Food Intake on Obesity in Children and Adolescents

2021· article· en· W4205164122 sur OpenAlexaboutno aff
Salwa Annisaa, Yulia Lanti Retno Dewi, Eti Poncorini Pamungkasari

Notice bibliographique

RevueJournal of Health Promotion and Behavior · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésObesityScreen timeChildhood obesityFood intakePsychologyMedicineEnvironmental healthDevelopmental psychologyFood sciencePediatricsEndocrinologyOverweightBiology

Résumé

récupéré en direct d'OpenAlex

Background: Obesity has reached epidemic proportions worldwide, making obesity a serious global public health challenge. Obesity is not only found in adults but also in children and adoles­cents which can lead to various physical and mental health problems that are detrimental to the quality of life and are very risky into adulthood. Obesity in children and adolescents today is caused by a lifestyle that makes a person increase in consuming fast food, lack of sleep and the longer duration of screen time. This study aims to analyze the effect of screen time and fast food on obesity in children and adolescents. Subjects and Method: This was a systematic review and meta-analysis. Population= children and adolescents, Intervention= screen time and fast food, Comparison= no screen time and no fast food, Outcome= obesity. Article searches through journal databases include: PubMed, Science Direct, Google Scholar and Springerlink. The articles used in this study are articles that have been published from 2011-2021. The keywords used are obesity OR obese OR overweight AND “fast foods” OR snacks OR “fried foods” AND “social media” OR “screen time” OR television AND child OR adolescent. Articles were selected with the help of PRISMA flow diagrams. The inclusion criteria included full-text articles with a cross-sectional study design. The analysis used logistic regression with adjusted odds ratio and published in English. Articles that have met the requirements are analyzed using the Revman 5.3 application. Results: Fifteen articles came from Nepal, China, Pakistan, Canada, Darussalam, Ethiopia, Italy, Australia, Indonesia. Meta-analysis of 8 cross-sectional studies showed that screen time 3 hours/ day can affect obesity in children and adolescents 2.4 times compared to screen time < 3 hours/ day. The results of the meta-analysis in 8 cross-sectional studies showed that fast food 3 times/ week had an effect on obesity in children and adolescents by 2.74 times compared to fast food < 3 times/week. Conclusion: The long duration of screen time and the frequency of consuming fast food often increase the risk of obesity in children and adolescents. Keywords: obesity, screen time, fast foods, meta-analysis Correspondence: Salwa Annisaa. Masters Program in Public Health. Universitas Sebelas Maret, Jl. Ir. Sutami 36A, Surakarta 57126, Central Java, Indonesia. Email: salwaannisaa@gmail.com. Mobile: 0815411­80488. Journal of Health Promotion and Behavior (2021), 06(02): 164-175 DOI: https://doi.org/10.26911/thejhpb.2021.06.03.01

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,049
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0190,060
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,043
Tête enseignante GPT0,333
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health Promotion and BehaviorMême sujetObesity, Physical Activity, DietTravaux en français237 207